Za hranice ChatGPT: AI Agent – Nový Svět Pracovníků

S pokroky v hlubokém učení, zpracování přirozeného jazyka (NLP) a umělé inteligenci (AI) se nacházíme v době, kdy AI agenti mohou tvořit významnou část globální pracovní síly. Tito AI agenti, kteří překonávají možnosti chatbotů a hlasových asistentů, vytvářejí nové paradigma pro obory i naše denní životy. Ale co to skutečně znamená žít ve světě obohaceném o tyto “pracovníky”? Tento článek podrobně zkoumá tuto vyvíjející se oblast, hodnotí důsledky, potenciál a výzvy, které leží před námi.

Stručné shrnutí vývoje AI pracovníků

Než pochopíme nastávající revoluci, je důležité uznat vývoj poháněný AI, která již nastala.

• Tradiční Systémy Výpočtu: Od základních výpočetních algoritmů začala cesta. Tyto systémy mohly řešit předem definované úkoly pomocí pevné sady pravidel.
• Chatboti a Raní Hlasoví Asistenti: Jak technologie pokročila, změnily se i naše rozhraní. Nástroje jako Siri, Cortana a raní chatboti zjednodušili interakci uživatel-AI, ale měly omezené pochopení a schopnosti.
• Neuronové Sítě a Hluboké Učení: Neuronové sítě označily zlomový bod, napodobující funkce lidského mozku a vyvíjející se prostřednictvím zkušeností. Techniky hlubokého učení dále zlepšily tuto schopnost, umožňující sofistikované rozpoznávání obrazů a řeči.
• Transforméry a Pokročilé Modely NLP: Zavedení architektur transformerů zásadně proměnilo oblast NLP. Systémy jako ChatGPT od OpenAI, BERT a T5 umožnily průlomové úspěchy v komunikaci člověk-AI. S jejich hlubokým pochopením jazyka a kontextu mohou tyto modely vést smysluplné konverzace, psát obsah a odpovídat na komplexní otázky s bezprecedentní přesností.

Přichází AI agent: víc než pouhá konverzace

Dnešní krajina AI naznačuje něco rozsáhlejšího než konverzační nástroje. AI agenti, za hranicemi pouhých chat funkcí, mohou nyní provádět úkoly, učit se ze svého prostředí, rozhodovat a dokonce vykazovat kreativitu. Nejen odpovídají na otázky, ale řeší problémy.

Tradiční modely softwaru fungovaly na jasném postupu. Stakeholdeři vyjádřili cíl softwarovým manažerům, kteří pak navrhli konkrétní plán. Inženýři by tento plán provedli prostřednictvím řádků kódu. Toto tradiční paradigma fungování softwaru bylo jednoznačné a zahrnovalo řadu lidských zásahů.

AI agenti však fungují jinak. Agent:

1. Má cíle, kterých se snaží dosáhnout.
2. Může interagovat se svým prostředím.
3. Navrhuje plán na základě těchto pozorování, aby dosáhl svého cíle.
4. Přijímá nezbytné akce, upravuje svůj přístup na základě měnícího se stavu prostředí.

Co skutečně odlišuje AI agenty od tradičních modelů, je jejich schopnost autonomně vytvořit krok za krokem plán k realizaci cíle. V podstatě, zatímco dříve programátor poskytoval plán, dnes AI agenti vytvářejí svou vlastní cestu.

Připomeňme si každodenní příklad. V tradičním návrhu softwaru by program upozornil uživatele na pozdní úkoly na základě předem stanovených podmínek. Vývojáři by tyto podmínky nastavili na základě specifikací poskytnutých produktovým manažerem.

V paradigmatu AI agenta sám agent určuje, kdy a jak upozornit uživatele. Hodnotí prostředí (uživatelovy návyky, stav aplikace) a rozhodne o nejlepším postupu. Proces se tak stává dynamičtějším, více v souladu s okamžikem.

ChatGPT se integrací pluginů odklonil od svého původního způsobu použití: mohl využívat externí nástroje ke zpracování různých požadavků. Šlo o raný projev konceptu agenta. Pokud se například uživatel zeptal na počasí v New Yorku, ChatGPT mohl prostřednictvím pluginu kontaktovat externí meteorologické API, interpretovat data a podle získaných odpovědí upravit další postup.

Současná podoba AI agentů

AI agenti, včetně Auto-GPT, AgentGPT a BabyAGI, ohlašují novou éru v rozsáhlém světě umělé inteligence. Zatímco ChatGPT zpopularizoval generativní AI vyžadující lidské vstupy, vizí AI agentů je samostatná činnost směřující k cílům s minimálními nebo žádnými lidskými zásahy. Tento potenciál podtrhl prudký vzestup Auto-GPT: za pouhých šest týdnů od vzniku získal na GitHubu přes 107 000 hvězdiček. Ve srovnání se zavedenými projekty, jako je datově analytický balíček pandas, šlo o nebývalý růst.

AI Agenti vs. ChatGPT

Mnozí pokročilí AI agenti, jako Auto-GPT a BabyAGI, využívají architekturu GPT. Jejich primárním zaměřením je minimalizovat potřebu lidského zásahu při dokončení úkolů AI. Popisné termíny jako “GPT ve smyčce” charakterizují provoz modelů jako AgentGPT a BabyAGI. Tyto modely fungují v iterativních cyklech, aby lépe pochopily požadavky uživatelů a vylepšily své výstupy. Mezitím Auto-GPT rozšiřuje hranice dále, začleňujíc přístup k internetu a schopnost spouštět kód, což významně rozšiřuje jeho dosah řešení problémů.

Inovace v AI Agentech

1. Dlouhodobá Paměť: Tradiční LLM mají omezenou paměť, uchovávají pouze nedávné segmenty interakcí. Pro komplexní úkoly se stává zásadním připomínat celou konverzaci nebo dokonce předchozí konverzace. K překonání tohoto omezení AI agenti přijali postupy založené na embeddingových reprezentacích, které převádějí textové konverzace na číselná pole, nabízející řešení paměťových omezení.
2. Schopnosti Procházení Webu: K tomu, aby zůstal aktuální s nedávnými událostmi, Auto-GPT získal schopnosti procházení, využívající Google Search API. To vyvolalo debaty v komunitě AI ohledně rozsahu znalostí AI.
3. Spuštění Kódu: Mimo generování kódu Auto-GPT může spustit jak shell, tak Python kód. Tato bezprecedentní schopnost mu umožňuje komunikovat s jiným softwarem, čímž rozšiřuje jeho provozní doménu.

Diagram znázorňuje architekturu AI systému využívajícího velký jazykový model a agenty.

• Vstupy: Systém přijímá data z různých zdrojů: přímých uživatelských příkazů, strukturovaných databází, webového obsahu a senzorů sledujících prostředí v reálném čase.
• LLM a agenti: Jazykový model zpracovává vstupy ve spolupráci se specializovanými agenty, například Auto-GPT pro řetězení myšlenek, AgentGPT pro webové úkoly, BabyAGI pro konkrétní úlohy a HuggingGPT pro týmové zpracování.
• Výstupy: Zpracované informace se převádějí do uživatelsky přívětivé podoby a předávají zařízením, která mohou ovlivňovat vnější prostředí.
• Paměťové komponenty: Systém uchovává informace dočasně i trvale v krátkodobých mezipamětech a dlouhodobých databázích.
• Prostředí: Vnější svět ovlivňuje senzory a zároveň je ovlivňován činností systému.

Pokročilí AI Agenti: Auto-GPT, BabyAGI a Více

AutoGPT a AgentGPT

AutoGPT, projekt zveřejněný na GitHubu v březnu 2023, je důmyslná aplikace založená na Pythonu, která využívá sílu GPT, přelomového generativního modelu společnosti OpenAI. Co odlišuje Auto-GPT od jeho předchůdců, je jeho autonomie – je navržen tak, aby prováděl úkoly s minimálním lidským vedením a má jedinečnou schopnost samoiniciovat podněty. Uživatelé potřebují pouze definovat hlavní cíl, a Auto-GPT vytváří požadované podněty k dosažení tohoto cíle, čímž se stává potenciálně revolučním skokem směrem k pravé umělé obecné inteligenci (AGI).

S funkcemi, které sahají od internetové konektivity, správy paměti až po schopnosti ukládání souborů pomocí GPT-3.5, je tento nástroj schopen zvládnout širokou škálu úkolů, od konvenčních, jako je složení emailu, až po složité úkoly, které by obvykle vyžadovaly mnohem více lidského zapojení.

Naproti tomu AgentGPT, rovněž založený na GPT, nabízí uživatelsky orientované rozhraní, jehož nastavení a používání nevyžaduje rozsáhlé programátorské znalosti. Uživatel zadá cíle AI a AgentGPT je rozdělí do zvládnutelných úloh.

Uživatelské rozhraní AgentGPT

AgentGPT vyniká také všestranností. Neomezuje se na chatboty: umožňuje vytvářet různé aplikace, například boty pro Discord, a propojuje se s Auto-GPT. I lidé bez rozsáhlých zkušeností s programováním tak mohou využít plně autonomní psaní kódu, generování textu, překlad a řešení problémů.

LangChain je framework propojující velké jazykové modely s různými nástroji. Agenti, často označovaní jako boti, vybírají vhodný nástroj a určují i provádějí konkrétní úkoly. Propojují se s externími zdroji, zatímco vektorová databáze LangChain ukládá nestrukturovaná data a usnadňuje jejich rychlé vyhledávání pro LLM.

BabyAGI

Pak je tu BabyAGI, zjednodušený, ale mocný agent. Abyste pochopili schopnosti BabyAGI, představte si digitálního projektového manažera, který autonomně vytváří, organizuje a provádí úkoly se zaměřením na dané cíle. Zatímco většina AI poháněných platforem je omezena jejich předem trénovanými znalostmi, BabyAGI vyniká svou schopností přizpůsobit se a učit se z zkušeností. Dokáže vyhodnocovat zpětnou vazbu a podobně jako lidé se rozhodovat metodou pokusů a omylů.

Hlavní silou BabyAGI není jen jeho přizpůsobivost, ale také jeho schopnost spouštět kód pro specifické cíle. Vyniká v komplexních oblastech, jako je obchodování s kryptoměnami, robotika a autonomní řízení, což z něj činí všestranný nástroj v mnoha aplikacích.

https://yoheinakajima.com/task-driven-autonomous-agent-utilizing-gpt-4-pinecone-and-langchain-for-diverse-applications/

Proces lze rozdělit mezi tři agenty:

1. Agent pro vykonávání úkolů: Jádro systému využívá API OpenAI ke zpracování úloh. Na základě cíle a úkolu odešle požadavek API a získá výsledek.
2. Agent pro vytváření úkolů: Podle předchozích výsledků a současných cílů vytváří nové úkoly. API OpenAI vrací návrhy úkolů uspořádané jako seznam slovníků.
3. Agent pro určování priorit: V závěrečné fázi pomocí API OpenAI přeuspořádá úkoly podle důležitosti, aby se nejzásadnější provedly jako první.

Ve spolupráci s jazykovým modelem OpenAI používá BabyAGI Pinecone k ukládání a vyhledávání výsledků úloh s ohledem na kontext.

Ukázku BabyAGI lze vyzkoušet prostřednictvím tohoto odkazu. Nejprve je potřeba platný klíč API OpenAI. V rozhraní je sekce nastavení, do níž lze klíč zadat. Chcete-li řídit náklady, nastavte také maximální počet iterací.

Po konfiguraci aplikace jsem provedl malý experiment. Zadal jsem BabyAGI: „Vytvoř stručné vlákno tweetů o cestě osobního růstu, které zahrne milníky, výzvy a transformační sílu neustálého učení.“

BabyAGI odpověděl promyšleným plánem. Nešlo jen o obecnou šablonu, ale o ucelený postup naznačující, že AI pochopila jemné rozdíly v požadavku.

Deepnote AI Copilot

Deepnote AI Copilot mění dynamiku prozkoumávání dat v noteboocích. Ale co ho odlišuje?

Deepnote AI má především zlepšit pracovní postupy datových vědců. Jakmile zadáte základní pokyn, AI začne navrhovat strategie, spouštět dotazy SQL, vizualizovat data pomocí Pythonu a srozumitelně předkládat výsledky.

Jednou ze silných stránek Deepnote AI je důkladné pochopení pracovního prostoru. Díky znalosti integračních schémat a souborových systémů přizpůsobuje realizační plány organizačnímu kontextu, takže poznatky zůstávají relevantní.

Integrace do notebooků vytváří jedinečnou smyčku zpětné vazby. AI aktivně vyhodnocuje výstupy kódu, umí se sama opravovat a udržuje výsledky v souladu se stanovenými cíli.

Deepnote AI vyniká transparentností a poskytuje jasný přehled o svém postupu. Propojení kódu a výstupů zajišťuje dohledatelnost a reprodukovatelnost jejích kroků.

CAMEL

CAMEL je rámec, který usiluje o spolupráci mezi AI agenty, cílem je efektivní dokončení úkolů s minimálním lidským dohledem.

https://github.com/camel-ai/camel

Činnost se dělí mezi dva hlavní typy agentů:

• Agent v roli uživatele AI zadává pokyny.
• Agent v roli asistenta AI provádí úkoly podle zadaných pokynů.

CAMEL usiluje také o pochopení složitých myšlenkových procesů AI a optimalizaci spolupráce více agentů. Pomocí hraní rolí a úvodního nastavení promptů (inception prompting) zajišťuje soulad úkolů AI s lidskými cíli.

Simulace Westworld: vdechnutí života AI

S inspirací v softwaru Unity a úpravami v Pythonu představuje simulace Westworld pokrok v simulaci a optimalizaci prostředí, kde interaguje více agentů, téměř jako digitální společnost.

Generativní agenti

Tito agenti nejsou jen digitálními entitami. Simulují věrohodné lidské chování, od denních rutin až po komplexní sociální interakce. Jejich architektura rozšiřuje velký jazykový model, aby uchovával zkušenosti, reflektoval o nich a využíval je pro dynamické plánování chování.

Interaktivní sandboxové prostředí Westworld připomíná hru The Sims a oživuje městečko obývané generativními agenty. Uživatelé s nimi mohou komunikovat, sledovat je a provázet jejich dnem, přičemž pozorují spontánně vznikající chování a složitou sociální dynamiku.

Simulace Westworld ukazuje harmonické spojení výpočetní síly a složitostí lidského chování. Propojením velkých jazykových modelů s dynamickými simulacemi agentů otevírá cestu k zážitkům s AI, které je obtížné odlišit od reality.

Závěr

AI agenti mohou být neuvěřitelně všestranní a formují obory, mění pracovní postupy a umožňují činy, které se dříve zdály nemožné. Ale jako všechny průlomové inovace, nejsou bez svých nedokonalostí.

Zatímco mají sílu měnit samotné základy naší digitální existence, tito agenti stále zápasí s určitými výzvami, některé z nich jsou inherentně lidské, jako je pochopení kontextu v nuancovaných scénářích nebo řešení problémů, které leží mimo jejich trénovací sady.

V dalším článku se budeme zabývat AutoGPT a GPT Engineer, zkoumáním, jak je nastavit a používat. Kromě toho prozkoumáme důvody, proč tito AI agenti občas selhávají, jako je například uvíznutí ve smyčkách, mezi jinými problémy. Takže zůstaňte naladění!